Causal Robot Learning Benchmark是机器人因果学习领域的标准化评测基准，用于评估和比较不同因果推理算法在机器人任务中的性能。该基准提供了多种机器人因果学习测试场景，包括因果发现（从交互数据中发现因果结构、因果方向识别、隐藏混杂因素处理）、因果效应估计（干预效应估计、反事实效应估计、因果归因）、因果强化学习（因果MDP建模、因果策略优化、离线因果RL）、因果模仿学习（因果行为克隆、因果逆强化学习、从观察中因果学习）、可解释决策（因果解释、反事实解释、因果重要性归因）等，支持多种因果推理方法和多种机器人任务（操作、导航、感知、人机交互）。Causal Robot Learning Benchmark支持多种评估指标，包括因果发现性能（结构汉明距离SHD、假阳性率/假阴性率、因果方向准确率）、因果估计性能（效应估计误差、反事实预测准确率、置信区间覆盖率）、决策性能（任务成功率/累积奖励/样本效率）、可解释性（解释保真度/解释稳定性/用户理解度）等，提供了标准化的评估协议和多种测试用例。该基准推动了机器人因果学习技术的发展，多种经典和最新的因果推理算法都在该基准上进行了评估和对比。该基准被广泛应用于机器人操作、导航、感知、人机交互、故障诊断、安全决策等领域的因果推理系统研究和开发中，是机器人因果学习算法评估的标准基准之一。